AI และ Machine Learning ต่างกันอย่างไร

AI และ Machine Learning เป็นสองคำยอดฮิตที่แทบจะพบเห็นได้ทุกวงการในปัจจุบัน AI และ Machine Learning ต่างกันอย่างไร สรุปมาให้อ่านกันแบบง่ายๆแล้วในบทความนี้

AI คืออะไร

Artificial Intelligence หรือปัญญาประดิษฐ์นั้น เป็นศาสตร์ที่ศึกษา “ปัญญา” ที่มนุษย์สร้างขึ้น โดยปัญญาเหล่านี้อาจเป็นระบบที่เรียนรู้ คิดวิเคราะห์จากข้อมูลแวดล้อมจนสามารถกระทำการใดๆที่สามารถบรรลุเป้าหมายที่กำหนดไว้ได้ หรือก็คือมีความฉลาดในการแก้ปัญหาใดปัญหาหนึ่งนั่นเอง

สิ่งมีชีวิตทั่วไปนั้นมี “ปัญญา” หรือความฉลาดโดยธรรมชาติ เช่นมนุษย์ที่สามารถเรียนรู้วิชาการ หรือสุนัขที่สามารถปฏิบัติตามคำสั่งเพื่อรับรางวัลได้ ทว่าการที่เราจะประดิษฐ์ปัญญาขึ้นมาให้คล้ายคลึงกับปัญญาธรรมชาติที่ตอบสนองต่อเป้าหมายที่หลากหลายได้เป็นอย่างดีนั้นยังคงเป็นเรื่องที่ซับซ้อนเกินไป ในปัจจุบันการศึกษาวิจัยด้านปัญญาประดิษฐ์จึงถูกแบ่งออกเป็นหลายหมวดหมู่ เช่น

• การให้เหตุผล
• การแก้ไขปัญหา
• การตอบคำถามจากความรู้ที่มี
• การเรียนรู้เพื่อพัฒนาตัวเอง
• การขยับและเคลื่อนไหวตามสถานการณ์
• การรับรู้สภาพแวดล้อม
• การแสดงอารมณ์ความรู้สึก

นอกจากนี้ ก็ยังมีความพยายามในการสร้างปัญญาที่สามารถตอบสนองต่อเป้าหมายหลายอย่างได้เช่นปัญญาธรรมชาติด้วย โดยเราเรียกสาขาการศึกษานี้ว่า General Intelligence

ปัจจุบัน มีการนำปัญญาประดิษฐ์ไปประยุกต์ใช้งานอยู่ในชีวิตประจำวันหลากหลายรูปแบบ โดยตัวอย่างที่เราจะได้พบเจอกันบ่อยก็มีเช่น ระบบแนะนำ (Recommendation System) ในการซื้อสินค้าออนไลน์หรือแอปสตรีมมิ่ง ระบบอัตโนมัติต่างๆ ระบบ Chat bot และผู้ช่วยอัจฉริยะอย่าง Siri และ Google Assistant ระบบบอทในเกม และระบบช่วยปรับแต่งภาพถ่าย เป็นต้น

แล้ว Machine Learning ล่ะ?

Machine Learning คือการสร้างให้คอมพิวเตอร์ หรือโปรแกรม สามารถเรียนรู้และพัฒนาการทำงานของตัวเองให้ดีขึ้นได้จากจากข้อมูลและสภาพแวดล้อม โดยไม่ต้องมีมนุษย์คอยกำกับหรือเขียนโปรแกรมเพิ่มเติมในการเรียนรู้ เมื่อดูจากนิยามแล้วเราจะเห็นว่า Machine Learning นั้นเป็นสาขาหนึ่งของ AI นั่นเอง

Machine Learning จะใช้ข้อมูลและวิธีการทางสถิติในการฝึกฝนตัวเองให้เก่งขึ้น หรือสามารถทำงานได้อย่างแม่นยำมากขึ้น โดยทั่วไปแล้ว เมื่อรับข้อมูลเข้าไป Machine Learning จะนำข้อมูลนั้นไปวิเคราะห์ผลลัพธ์ออกมา แล้วนำไปเปรียบเทียบว่าผลลัพธ์นั้นห่างจากผลลัพธ์ที่ควรจะเป็นมากน้อยแค่ไหนผ่าน Error Function จากนั้นจึงพยายามปรับปรุงการทำงาน (Optimize) ของตัวเอง

ในปัจจุบันแล้ว Machine Learning มักจะถูกแบ่งออกเป็น 4 ประเภทตามลักษณะการทำงาน ได้แก่

1. Supervised Learning – โมเดลที่เรียนรู้จากข้อมูลตัวอย่างที่ป้อนเข้าไป โดยข้อมูลตัวอย่างมีการระบุคำตอบอย่างชัดเจน (Labeled, Structured Data) โมเดลในกลุ่มนี้ที่พบบ่อยก็จะมีได้แก่ การทำนายผล, การระบุประเภท (Classification), และ Regression
2. Unsupervised Learning – โมเดลที่รับข้อมูลเข้าไปเพื่อค้นหาแพทเทิร์นและความสัมพันธ์ภายในชุดข้อมูลนั้นๆ มักถูกใช้ในงานประเภทจัดกลุ่ม (Clustering)
3. Semi-supervised Learning – โมเดลที่สามารถเรียนรู้จากข้อมูลที่มีผลลัพธ์ระบุ (Labeled Data) ในจำนวนน้อย และสามารถขยายผลไปทำงานกับข้อมูลอื่นๆได้ โดยส่วนมากจะเป็นการนำเทคนิค Unsupervised Learning มาเสริมการทำงานให้กับโมเดลแบบ Supervised Learning และมักพบบ่อยในงานประเภทการวิเคราะห์ภาพถ่าย หรือการวิเคราะห์ข้อความหรือคำพูด
4. Reinforcement Learning – โมเดลที่สามารถเรียนรู้ที่จะทำงานผ่านการลองผิดลองถูก โดยผู้พัฒนาอาจตั้งเป้าหมาย Feedback Loop และเงื่อนไขในการได้รับรางวัล (Reward) ของโมเดล และโมเดลจะต้องพยายามเรียนรู้และพัฒนาตัวเองเพื่อให้ได้รับรางวัลมากที่สุด กรณีการใช้งานที่จะได้พบบ่อยคือการใช้ Reinforcement Learning เพื่อสร้างระบบที่เล่นวิดีโอเกม หรือโมเดลอย่าง AlphaGo ที่สามารถเล่นโกะได้เป็นอย่างดีก็เป็นการเรียนรู้ผ่านวิธีนี้เช่นกัน

ทั้ง 4 ประเภทนี้เป็นเพียงการแบ่ง Machine Learning ออกเพียงคร่าวๆ และอาจจะไม่ตรงกันนักในแต่ละสำนัก โดยในปัจจุบันมีงานวิจัยและการคิดค้นมากมายที่พยายามทำลายข้อจำกัดของโมเดล Machine Learning ในแต่ละประเภทให้สามารถทำงานได้ดีขึ้น มีข้อจำกัดน้อยลง และสามารถนำมาใช้ประโยชน์ในชีวิตประจำวันได้มากขึ้น

AI และ Machine Learning ในชีวิตประจำวัน

ถึงแม้ว่า AI และ Machine Learning นั้นจะเป็นเรื่องที่ฟังดูแล้วซับซ้อนและใหม่ แต่จริงๆแล้วในปัจจุบันมีการนำ AI และ Machine Learning มาใช้งานในชีวิตประจำวันของพวกเราอย่างแพร่หลาย ในเรื่องง่ายๆอย่างการแนะนำสินค้าน่าสนใจในแอปพลิเคชันช็อปปิ้ง การคัดกรองอีเมลขยะ การพยากรณ์อากาศ หรือการปลดล็อคหน้าจอสมาร์ทโฟนผ่านการสแกนใบหน้า

AI และ Machine Learning นั้นเป็นคำที่ได้รับความสนใจอยู่เสมอ ดังนั้นจึงมีการยก 2 คำนี้ขึ้นมาพูดถึงคู่กัน หรือใช้คำว่า AI แทนการพูดถึง Machine Learning อยู่บ่อยๆในหน้าสื่อ โฆษณา และการนำเสนอผลิตภัณฑ์ต่างๆ ซึ่งเมื่อเรารู้แล้วว่า AI และ Machine Learning คืออะไร ก็จะสามารถพิจารณาได้ว่าเทคโนโลยีที่แท้จริงคืออะไร ซับซ้อนล้ำสมัยหรือไม่ และสามารถประเมินคุณค่าของ “AI” และ “Machine Learning” ได้อย่างถูกต้อง

เรียนรู้เกี่ยวกับ AI และ Machine Learning เพิ่มเติมได้ที่

• https://www.ibm.com/cloud/learn/machine-learning
• https://www.ibm.com/topics/artificial-intelligence
• https://www.youtube.com/watch?v=kWmX3pd1f10

ไอคอนจาก Freepik Eucalyp Vitaly Gorbachev บนเว็บไซต์ Flaticon